MattesMutualInformation
Mattes互信息度量配置
描述
一个MattesMutualInformation对象描述传递给函数的互信息度量配置imregister解决图像配准问题。
创建
您可以创建MattesMutualInformation对象，使用以下方法:
imregconfig——返回一个MattesMutualInformation对象与用于注册多模式图像的适当优化器配对进入
在命令行上创建度量= registration.metric.MattesMutualInformation;
MattesMutualInformation具有默认设置的对象
属性
例子
用Mattes互信息度量配准图像
创建一个MattesMutualInformation对象，并使用它来注册两张使用不同协议获得的膝盖MRI图像。
将图像读入工作区。这些图像是多模态的，因为它们有不同的亮度和对比度。
固定= dicomread (“knee1.dcm”）;移动= dicomread (“knee2.dcm”）;
查看未对齐的图像。
图imshowpair(固定,移动,“缩放”，“联合”）;
创建适合于注册多模式图像的优化器配置对象。
优化器= registration.optimizer.OnePlusOneEvolutionary;
创建适合于注册多模式图像的度量配置对象。
度量= registration.metric.MattesMutualInformation
metric = registration.metric.MattesMutualInformation属性:NumberOfSpatialSamples: 500 NumberOfHistogramBins: 50 UseAllPixels: 1
调优优化器的属性，使问题收敛于全局极大值。增加优化器用于解决问题的迭代次数。
优化器。InitialRadius = 0.009;优化器。ε= 1.5的军医;优化器。GrowthFactor = 1.01;优化器。MaximumIterations = 300;
执行注册。
movingRegistered = imregister(移动,固定的,仿射的优化器,指标);
查看已注册的镜像。
图imshowpair (movingRegistered固定,“缩放”，“联合”）;
提示
互信息的值越大，配准效果越好。如果启用，可以检查Mattes互信息的计算值
“DisplayOptimization”当你打电话imregister,例如:movingRegistered = imregister(移动,固定的,“刚性”,优化器,度规,DisplayOptimization, true);
算法
互信息度量是一种信息理论技术，用于测量两个变量之间的相关性。这些算法使用两幅图像像素采样的联合概率分布来衡量一组像素的值映射到另一幅图像中的相似值的确定性。这些信息是对图像相似程度的定量测量。高互信息意味着两个分布之间的不确定性(熵)大幅减少，表明图像可能更好地对齐。
Mattes互信息算法在优化期间使用单一的像素位置集，而不是在每次迭代时绘制一个新的集合。用于计算概率密度估计的样本数量和用于计算熵的容器数量都是用户可选择的。利用样本在均匀间隔的容器上评估边际和联合概率密度函数。熵值是通过对箱子求和来计算的。采用零阶b样条核和三阶b样条核分别计算固定图像和运动图像的概率密度函数[1]．
参考文献
[1] Rahunathan, Smriti, D. Stredney, P. Schmalbrock和B.D. Clymer。基于刚性配准和互信息最大化的图像配准。海报发布于:MMVR13。第十三届医学与虚拟现实年会;2005年1月,长滩,CA。
D.马特斯，D. r .海诺，H.维塞勒，T.卢埃林，W.尤班克。“非刚性多模态图像配准。”(诉讼)。医学影像2001:影像处理．SPIE出版社，2001年7月3日。1609 - 1620页。
扩展功能
另请参阅
功能
对象
您也可以从以下列表中选择网站:
